Energie­daten

Smart-E-Factory

SmartFactoryOWL

Energiedaten

Erfassung von Grunddaten

Die Erfassung von Energiedaten ist eine herausfordernde und wichtige Aufgabe für die Transparenz und dient als Entscheidungsgrundlage für viele weitere Aktivitäten. In der Smart-E-Factory werden über Messinstrumente einzelne Unterverteilungen erfasst und in einem Sankey Diagramm abgebildet bzw. über digitale Schnittstellen in Echtzeit in ein Energiemanagementsystem integriert.

Integration regenerativer Daten

In Zukunft wird die Nutzung regenerativer Energiequellen immer wichtiger. Im Rahmen des innovativen Projekts Smart-E-Factory wird die Implementierung einer Photovoltaikanlage (PV-Anlage) in der SmartFactoryOWL umgesetzt. Die Integration dieser Anlage in die Stromversorgung spielt eine entscheidende Rolle bei der Steigerung der Nachhaltigkeit in der Produktion. Eine effektive Abstimmung zwischen Produktionsprozessen und der verfügbaren Solarenergie ist von höchster Bedeutung.

Durch den Einsatz moderner Messtechnik erfolgt zunächst die genaue Erfassung der aktuellen Leistung der PV-Anlage.

Gleichzeitig werden Wetterdaten, darunter globale Sonneneinstrahlung, aus öffentlich zugänglichen Quellen bezogen. Diese Daten dienen als Grundlage für die Entwicklung eines Prognosemodells, das die zukünftige Leistung der PV-Anlage präzise vorhersagen kann. Dadurch wird ermöglicht, den Energiebedarf der Produktion genau zu planen und anzupassen, je nach den erwarteten Solarerträgen.

Des Weiteren können diese Erkenntnisse als zusätzlicher Parameter in ein leistungsfähiges Optimierungsverfahren integriert werden, um die Produktion effizient an verschiedene Parameter anzupassen und optimal auszurichten.

Forschungs­linien­koordinatorin

Franziska Zelba

Franziska Zelba ist wissenschaftliche Mitarbeiterin in der Gruppe Maschinelles Lernen am Fraunhofer Institut IOSB-INA. Im Fokus der Arbeitsgruppe steht die Analyse vorhandener Daten und entwickelt dazu maßgeschneiderte Lösungen. Bei der Analyse haben Methoden des maschinellen Lernens und der künstlichen Intelligenz das Potential für eine automatisierte Extraktion von Informationen aus Prozessdaten. Frau Zelba wird im Projekt „Smart-E-Factory“ sich mit den Energiedaten sowie deren sinnvolle Integration in die Produktion und die Prognose von verfügbaren Solarenergien befassen.

Forschungs­linien­koordinatorin

Dr. Gesa Benndorf

Dr. Gesa Benndorf leitet die Gruppe Maschinelles Lernen am Fraunhofer IOSB-INA, welche KI-Lösungen für industrielle Anwendungen entwickelt und umsetzt. Ziel ist es, Systeme und Prozesse zu digitalisieren und zu automatisieren, um deren Qualität und Zuverlässigkeit zu erhöhen und Ressourcen zu sparen. Dr. Gesa Benndorf studierte Physik an der Uni Jena, promovierte am Max-Planck-Institut für Physik komplexer Systeme in Dresden und arbeitete dann im Bereich der Betriebsoptimierung und Digitalisierung von Gebäuden am Fraunhofer-Institut für Solare Energiesysteme in Freiburg, bevor sie Anfang 2023 an das Fraunhofer IOSB-INA nach Lemgo kam.